|
|
Optimizing Super Mario game tree search
Šosvald, David ; Gemrot, Jakub (vedoucí práce) ; Dvořák, Tomáš (oponent)
Hra Super Mario Bros. je stále aktivně využívána jako modelová hra pro výzkum generování herních úrovní. Každý rok jsou zkoušeny nejnovější techniky, což v poslední době zahrnuje obzvláště hluboké a zpětnovazební učení. Velká část generátorů využívá umělé agenty pro testování hratelnosti úrovní nebo ke sbírání herních metrik. Proto je výkon generátorů úzce spjat s výkonem umělých agentů, jak ve validaci herních úrovní, tak v potřebném výpočetním čase. V naší předchozí práci jsme vytvořili nového nejlepšího agenta pro tuto hru jakožto ověření funkčnosti nové implementace simulace světa hry. V této práci na toto navazu- jeme a zaměřujeme se na optimalizování toho, jak agenti prohledávají herní strom. Pro tento účel jsme vytvořili několik doménově specifických heuristik a provedli jsme rozsáhlé experimenty hledající optimální parametry, abychom agenty co nejvíce vylepšili. Díky těmto vylepšením se nám podařilo vytvořit nového nejlepšího agenta pro hru Super Mario Bros. Tento agent by měl být schopný porazil libovolnou standardní úroveň hry a zvládá tak učinit mnohem rychleji než předchozí nejlepší agent. Také představíme koncept agenta, který dokáže řešit labyrinty, což je něco, co žádný předchozí agent nedo- kázal.
|
|
|
Efficient forward model for Super Mario AI framework
Šosvald, David ; Gemrot, Jakub (vedoucí práce) ; Dingle, Adam (oponent)
Mario AI framework, což je prostředí pro tvorbu umělé inteligence pro hru Super Mario Bros., byl v posledních letech použit v mnoha vědeckých pracích. Simulace světa, kterou framework poskytuje, je však málo výkonná a tudíž negativně ovlivňuje všechen výzkum, který je na ní založen - obzvláště inteligentní agenty. Tedy každá práce využívající takovéto agenty je tímto také ovlivněna. To mimo jiné zahrnuje práce zabývající se generování herních úrovní, protože zde se agenti často vyu- žívají pro testování hratelnosti a vlastností vygenerovaných úrovní. Vytvořili jsme výkonnější simulaci světa a jako důkaz její funkčnosti jsme ji využili pro tvorbu nových inteligentních agentů. Porovnání těchto agentů s agenty využívajícími původní implementaci potvrdilo naši domněnku, že málo výkonná simulace světa nega- tivně ovlivňuje výkon agentů. Všichni agenti s novou implementací simulace totiž svým výkonem výrazně překonali agenty využívající původní implementaci.
|
host ::
RSS.